用COCOeval计算mask mAP

对于目标检测来说，cocoeval计算box mAP的过程可以如下，
先把预测的目标框坐标结合image_id dump到一个和coco annotation格式一样的json文件。
然后调用

coco_dets = self.coco_api.loadRes(json_path)
coco_eval = COCOeval(
    copy.deepcopy(self.coco_api), copy.deepcopy(coco_dets), "bbox" 
)
coco_eval.evaluate()
coco_eval.accumulate()

如果要计算mask的mAP, 需要把上面的“bbox”改成“segm”

coco_eval = COCOeval(
    copy.deepcopy(self.coco_api), copy.deepcopy(coco_dets), "segm" 
)

coco_api的loadRes函数里有这么一个处理，
如果没有把mask写进去，就会自动把目标框的4个点连接起来当作轮廓。

if not 'segmentation' in ann:
    ann['segmentation'] = [[x1, y1, x1, y2, x2, y2, x2, y1]]

annotation文件中segment也是以轮廓的polygon形式储存的。
coco annotation的格式

{
   
   
	"segmentation": [[510.66,423.01,511.72,420.03,510.45......]], #两两组成(x,y)坐标，polygon格式
	"area": 702.1057499999998,